Salient Object Detection
Star·端木
知识的价值不在于占有,而在于使用。
展开
-
显著性检测论文详解(一):BASNet: Boundary-Aware Salient Object Detection
BASNet: Boundary-Aware Salient Object Detection简述:对于显著性目标检测,以往的研究大多集中在区域精度上,而不是边界质量上。在这篇论文中,我们提出了一种predict-refine architecture,BASNet,以及一种新的混合损耗来实现边界感知的突出对象的设计。问题or相关工作:由上图,可以看到现在的方法(FCN等),预测的显著性图...原创 2019-11-16 16:53:14 · 3628 阅读 · 0 评论 -
目标检测:Faster RCNN网络详解
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal NetworksRCNN系列论文:目标检测:RCCN网络详解目标检测:Fast RCNN网络详解目标检测:Faster RCNN网络详解简述:Fast RCNN存在着Selective Search(选择性搜索)。要找出所有的候选框,这个也非常耗时...原创 2019-10-27 00:22:31 · 1651 阅读 · 0 评论 -
目标检测:Fast RCNN网络详解
Fast R-CNN简述:RCCN存在以下几个问题:(1) 需要事先提取多个候选区域对应的图像。这一行为会占用大量的磁盘空间;(2) 针对传统的CNN来说,输入的map需要时固定尺寸的,而归一化过程中对图片产生的形变会导致图片大小改变,这对CNN的特征提取有致命的坏处;(3) 每个region proposal都需要进入CNN网络计算。进而会导致过多次的重复的相同的特征提取,这一举动会导...原创 2019-10-26 19:55:33 · 1278 阅读 · 0 评论 -
目标检测:RCCN网络详解
目标检测:目标检测就是在给定的图片中精确找到物体所在位置,,并标注出物体的类别(定位+识别)。由于物体的尺寸变化范围很大、摆放角度多变、姿态不定,而且物体有很多种类别,可以在图片中出现多种物体、出现在任意位置。因此,目标检测是一个比较复杂的问题。用CNN网络的大概思路如下:检测分类:Rich feature hierarchies for accurate object detecti...原创 2019-10-26 19:25:11 · 2580 阅读 · 0 评论